【技術實現步驟摘要】
本申請涉及自然語言處理，尤其是一種優化提示詞的方法、裝置、設備及介質。
技術介紹
1、提示詞（prompt）是與生成式大語言模型互動的核心，它可以是向模型提問或提供指令的文本。一個好的提示詞能夠確保模型給出符合預期的回答，而不好的提示詞則可能導致模型偏離主題。
2、相關技術中，生成式大語言模型處理提示詞的過程通常依賴人工干預，缺乏對提示詞與生成內容之間的深度語義分析和一致性校驗，容易產生偏離主題或不相關的提示詞，降低了應用的實際效率和用戶體驗。
技術實現思路
1、本申請的目的是提供一種優化提示詞的方法、裝置、設備及介質，可以提升提示詞與模型的生成內容之間的相關性。
2、本申請實施例提供一種優化提示詞的方法，包括：
3、獲取原始提示詞；
4、基于所述原始提示詞進行文本內容生成，得到生成文本；
5、對所述生成文本進行主題信息和主題關聯信息提取，得到主題文本和主題關聯文本；
6、根據所述主題文本和所述主題關聯文本進行提示詞生成，得到候選提示詞；
7、計算所述原始提示詞和所述候選提示詞之間的相似度，得到提示詞相似度；
8、采用一致性分析方法，根據所述候選提示詞和所述提示詞相似度對所述原始提示詞進行語義優化，得到目標提示詞。
9、在一些實施例中，所述基于所述原始提示詞進行文本內容生成，得到生成文本，包括：
10、對所述原始提示詞進行向量嵌入，得到所述原始提示詞的詞向量序列；
11、對所述原始提示詞的詞向量序列進行位置編碼，得到位置嵌入詞向量序列；
12、對所述位置嵌入詞向量序列進行線性變換處理，對線性變換處理后的詞向量進行注意力權重運算，得到所述原始提示詞的文本特征；
13、根據所述原始提示詞的文本特征，對所述原始提示詞進行連續的上下文預測，得到所述生成文本。
14、在一些實施例中，所述對所述生成文本進行主題信息和主題關聯信息提取，得到主題文本和主題關聯文本，包括：
15、對所述生成文本進行向量嵌入，得到所述生成文本的詞向量序列；
16、對所述生成文本的詞向量序列進行線性變換處理，對線性變換處理后的詞向量進行注意力權重運算，得到所述生成文本的文本特征；
17、統計所述生成文本的文本特征對應的特征字詞的頻率分布，根據所述特征字詞的頻率分布，輸出相應的特征字詞，得到所述主題文本；
18、計算所述主題文本和所述生成文本中的特征字詞之間的相似度，根據相似度計算結果從所述生成文本中提取相應的特征字詞，得到主題關聯文本。
19、在一些實施例中，所述根據所述主題文本和所述主題關聯文本進行提示詞生成，得到候選提示詞，包括：
20、對所述主題文本和所述主題關聯文本進行向量嵌入，得到所述主題文本的詞向量序列和所述主題關聯文本的詞向量序列；
21、對所述主題文本的詞向量序列和所述主題關聯文本的詞向量序列進行線性變換處理，對線性變換處理后的詞向量進行注意力權重運算，得到所述主題文本的文本特征和所述主題關聯文本的文本特征；
22、將所述主題文本的文本特征和所述主題關聯文本的文本特征進行拼接，得到目標長度的拼接處理結果；
23、根據所述拼接處理結果，進行提示詞預測，得到所述主題文本和所述主題關聯文本對應的提示詞分布，根據所述提示詞分布確定所述候選提示詞。
24、在一些實施例中，所述計算所述原始提示詞和所述候選提示詞之間的相似度，得到提示詞相似度，包括：
25、計算所述原始提示詞的詞向量序列和所述候選提示詞的詞向量之間的角度距離、余弦距離、歐式距離或曼哈頓距離，作為所述提示詞相似度。
26、在一些實施例中，所述采用一致性分析方法，根據所述候選提示詞和所述提示詞相似度對所述原始提示詞進行語義優化，得到目標提示詞，包括：
27、在所述提示詞相似度處于第一相似度區間時，調整所述原始提示詞中的標點符號和/或替換所述原始提示詞中的非關鍵字詞，以得到所述目標提示詞；
28、在所述提示詞相似度處于第二相似度區間時，以所述原始提示詞的語義為基礎，融合所述原始提示詞和所述候選提示詞，以得到所述目標提示詞；
29、在所述提示詞相似度處于第三相似度區間時，以所述候選提示詞的語義為基礎，融合所述原始提示詞和所述候選提示詞，以得到所述目標提示詞。
30、在一些實施例中，所述對所述原始提示詞進行文本內容生成、所述對所述生成文本進行主題信息和主題關聯信息提取、所述根據所述主題文本和所述主題關聯文本進行提示詞生成以及所述根據所述候選提示詞和所述評估結果對所述原始提示詞進行改寫，均是調用預設的自然語言處理模型執行的，所述自然語言處理模型為利用樣本原始提示詞和樣本目標提示詞對基于transformer架構的語言模型訓練得到。
31、本申請實施例還提供一種優化提示詞的裝置，包括：
32、第一模塊，用于獲取原始提示詞；
33、第二模塊，用于基于所述原始提示詞進行文本內容生成，得到生成文本；
34、第三模塊，用于對所述生成文本進行主題信息和主題關聯信息提取，得到主題文本和主題關聯文本；
35、第四模塊，用于根據所述主題文本和所述主題關聯文本進行提示詞生成，得到候選提示詞；
36、第五模塊，用于計算所述原始提示詞和所述候選提示詞之間的相似度，得到提示詞相似度；
37、第六模塊，用于采用一致性分析方法，根據所述候選提示詞和所述提示詞相似度對所述原始提示詞進行語義優化，得到目標提示詞。
38、本申請實施例還提供一種電子設備，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述的優化提示詞的方法。
39、本申請實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述的優化提示詞的方法。
40、本申請的有益效果：通過對由原始提示詞生成的生成文本進行主題信息和主題關聯信息提取，以獲得主題文本和主題關聯文本，根據主題文本和主題關聯文本生成候選提示詞，根據原始提示詞和候選提示詞之間的相似度，采用一致性分析方法，利用候選提示詞對原始提示詞進行語義優化，以生成相應的目標提示詞。由于從由原始提示詞生成的生成文本提取出主題文本和主題關聯文本，再根據主題文本和主題關聯文本生成候選提示詞，進而利用候選提示詞對原始提示詞進行語義優化，可以提升提示詞與模型的生成內容之間的相關性，使得生成的目標提示詞既具備高質量的表達，又能反映用戶的初始意圖。
本文檔來自技高網...【技術保護點】
1.一種優化提示詞的方法，其特征在于，包括：
2.根據權利要求1所述的優化提示詞的方法，其特征在于，所述基于所述原始提示詞進行文本內容生成，得到生成文本，包括：
3.根據權利要求1所述的優化提示詞的方法，其特征在于，所述對所述生成文本進行主題信息和主題關聯信息提取，得到主題文本和主題關聯文本，包括：
4.根據權利要求1所述的優化提示詞的方法，其特征在于，所述根據所述主題文本和所述主題關聯文本進行提示詞生成，得到候選提示詞，包括：
5.根據權利要求1所述的優化提示詞的方法，其特征在于，所述計算所述原始提示詞和所述候選提示詞之間的相似度，得到提示詞相似度，包括：
6.根據權利要求1所述的優化提示詞的方法，其特征在于，所述采用一致性分析方法，根據所述候選提示詞和所述提示詞相似度對所述原始提示詞進行語義優化，得到目標提示詞，包括：
7.根據權利要求1至6任一項所述的優化提示詞的方法，其特征在于，所述對所述原始提示詞進行文本內容生成、所述對所述生成文本進行主題信息和主題關聯信息提取、所述根據所述主題文本和所述主題關聯文
8.一種優化提示詞的裝置，其特征在于，包括：
9.一種電子設備，其特征在于，所述電子設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述的優化提示詞的方法。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的優化提示詞的方法。
...【技術特征摘要】
1.一種優化提示詞的方法，其特征在于，包括：
2.根據權利要求1所述的優化提示詞的方法，其特征在于，所述基于所述原始提示詞進行文本內容生成，得到生成文本，包括：
3.根據權利要求1所述的優化提示詞的方法，其特征在于，所述對所述生成文本進行主題信息和主題關聯信息提取，得到主題文本和主題關聯文本，包括：
4.根據權利要求1所述的優化提示詞的方法，其特征在于，所述根據所述主題文本和所述主題關聯文本進行提示詞生成，得到候選提示詞，包括：
5.根據權利要求1所述的優化提示詞的方法，其特征在于，所述計算所述原始提示詞和所述候選提示詞之間的相似度，得到提示詞相似度，包括：
6.根據權利要求1所述的優化提示詞的方法，其特征在于，所述采用一致性分析方法，根據所述候選提示詞和所述提示詞相似度對所述原始提示詞進行語義優化，得到目標提示詞，包括：
7.根據權利...
【專利技術屬性】
技術研發人員：陳賽霞，謝麗慧，樂在財，
申請(專利權)人：深圳市迪博企業風險管理技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。